企业官网建设流程全解析

如果你在2026年关注 AI 编程，肯定会频繁听到 Vibe Coding、Claude Code、Codex、Superpowers 这些词。这里面最容易被误解的是 Vibe Coding。很多人以为它等于“不用学编程，AI 全自动”，实际不是。Vibe Coding 是一种以自然语言为主驱动的编程方式：你把需求说清楚，AI 生成和修改代码，然后你负责运行、验证、判断结果。它适合零基础，但有前提——你至少要会开终端、装工具、看报错。

这篇文章就按零基础能复现的方式，从环境准备讲到 Claude Code 和 Codex 的实际用法，再讲 Superpowers 这类技能包怎么帮 AI 更稳定地干活，最后给一份排错清单。你不需要背语法，但需要跟着流程把一套小项目跑通。只要能完整跑通一次，你会发现 AI 编程的学习曲线并不陡，真正复杂的是怎么把一个模糊想法拆成 AI 能执行的任务。

1. 零基础入门 AI 编程，先把“运行环境”而不是“语法”搞明白

1.1 Vibe Coding 是什么，不是什么

Vibe Coding 可以理解为“用自然语言写代码”。你告诉 AI“我要一个批量重命名文件的脚本”，AI 负责生成 Python 代码，你再负责运行它、检查结果。如果报错，你把报错信息贴回去，AI 继续修改。循环往复，直到功能符合预期。

但这里有个关键认知：Vibe Coding 不代表“完全不看代码”。你不需要读懂每一行语法，但至少要知道项目入口在哪、命令怎么运行、报错从哪里看。否则 AI 生成一个文件，你连怎么启动都不知道，整个流程就卡住了。

所以，零基础学 Vibe Coding，第一步不是去背 Python 或 JavaScript，而是先学会使用命令行环境。因为 Claude Code、Codex 这些工具本身就是命令行工具，你在图形界面里按按钮，反而隐藏了排查问题最需要的信息。

1.2 需要准备的 5 个基础条件

这里最容易出现的误区是：只装了 AI 工具，却没装 Node.js 或 Git。等工具启动时报出“找不到 node”“找不到 git”，又开始到处找原因。其实这些前置条件花 10 分钟就能装好。

1.3 怎么验证环境已经就绪

打开终端，依次执行下面三个命令：

node -v npm -v git --version

如果每个命令都返回一个版本号，说明基础环境没问题。如果提示“不是内部或外部命令”“command not found”，先检查对应软件是否安装成功，然后重开终端再试一次。很多时候不是没装好，而是终端没有重新加载环境变量。

装好基础环境后，再验证 AI 工具是否可用：

claude --version codex --version

能看到版本号，说明安装完成了。看不到，就进下一步排查。

1.4 为什么命令行比图形界面更适合零基础

Claude Code 有桌面版，Codex 也有 IDE 插件，图形界面看起来更友好。但我不建议零基础第一站就依赖这些。因为图形界面把日志、配置文件、运行路径都藏起来了，出错时你只能看到一团红色报错，却不知道程序在哪里跑、读取了哪个配置。

命令行会直接暴露这些信息。路径不对、版本不对、权限不足，都会在终端里显示得清清楚楚。这对新手其实是好事：你越早习惯看命令行输出，后面排错越快。先用命令行做一个小项目，等到流程完全跑通，再回到图形界面也不迟。

2. Claude Code 安装和第一次实战：让 AI 帮你写一个能跑的脚本

2.1 Claude Code 安装前的两个前提

Claude Code 是 Anthropic 推出的命令行 AI 编程工具。它要正常工作，至少满足两个条件：

• 本机有 Node.js，并且版本不要太旧。
• 有一个可以调用模型的账号或 API Key。

我没有办法给你一个确定的新版本最低 Node.js 要求，因为不同阶段要求会变。稳妥的做法是安装 Node.js 的最新 LTS 版本，基本不会遇到兼容问题。账号方面，按官方流程登录，或者准备好 API Key 备用。

如果你在安装时遇到 npm 权限报错，不要直接加 sudo 硬装。常见做法是使用 Node 版本管理器安装 Node.js，这样全局安装 npm 包时不需要修改系统目录权限。项目跑多了会发现，权限问题往往比代码问题更浪费时间。

2.2 安装 Claude Code 并登录

以 npm 安装为例，命令通常是：

npm install -g @anthropic-ai/claude-code

装完先验证：

claude --version

然后启动：

claude

首次启动会进入登录流程。有的版本是在浏览器里完成授权，有的版本是让你粘贴 API Key。按终端提示操作即可。如果浏览器没有自动弹出，终端里通常会给出一个链接，手动复制到浏览器打开也可以。

登录成功后，你可以先随便问一句“你现在能读这个项目目录吗”，看它是否能正常响应。这一步能提前暴露网络、权限和配置问题。

2.3 跑第一个任务：批量重命名文件

第一次练手，我建议不要做复杂网页或大型项目。选一个输入输出明确的小工具，比如“批量重命名文件脚本”。这样能快速验证 AI 是否理解需求、生成的代码能不能运行。

先创建一个测试目录，随便放几个测试文件：

mkdir rename-test cd rename-test touch photo 1.jpg photo 2.jpg photo 3.jpg

然后在这个目录里启动 claude，输入一段带约束的需求：

写一个 Python 脚本 rename.py，扫描指定目录下的 .jpg 文件。 默认只显示将被重命名的文件，不加 --apply 参数时不要真正修改。 加 --apply 参数后，把文件名中的空格替换成下划线，并加上 001、002 这样的序号前缀。 要求： 1. 目录通过命令行参数传入。 2. 文件不存在时给出提示，不报错崩溃。 3. 输出日志要显示原文件名和新文件名。

这样描述的好处是：有输入、有输出、有边界、有安全确认。AI 不再需要猜你的意图，生成结果会更接近你要的东西。

AI 生成代码后，先让它把文件写到当前目录。然后退出交互或另开一个终端，运行：

python rename.py .

先看预览输出。确认逻辑没问题，再执行：

python rename.py . --apply

最后用 ls 查看文件名是否按预期修改。

2.4 怎么判断 AI 生成的代码能不能用

判断标准不是“AI 说是就是”，而是实际运行结果。至少要过四关：

1. 程序能启动，不报语法错误。
2. 默认模式不修改任何文件，只显示预览。
3. 加 --apply 后，文件名确实改变了。
4. 对空目录、不存在目录等异常输入，程序不会崩溃。

如果哪一关没通过，把完整报错信息复制给 AI，并补充你的操作系统、目录路径和 Python 版本。注意是“完整报错”，不是“不行”“报错了”。AI 能根据完整信息做判断，但如果你只给结论，它只能靠猜。

这里有一个很重要的经验：不要让 AI 在真实数据目录上执行未验证的批量操作。第一次练习全部在测试目录里完成，确认脚本行为正确后，再拿去处理真实文件。

3. Codex CLI 安装、登录和路径问题排查，不把时间耗在“找不到命令”上

3.1 Codex CLI 和 Claude Code 的定位差异

Codex CLI 是 OpenAI 推出的命令行 AI 编程工具。它和 Claude Code 在交互方式上很像，都是通过自然语言让 AI 写代码、改代码、读项目文件。区别主要在背后调用的模型服务、登录方式和配置生态。

对零基础用户来说，不一定非要纠结“哪个更强”。我更建议两个都装，日常任务哪个顺手用哪个。因为有时代码生成效果差异明显，同一个需求在不同工具里的输出质量可能不一样。工具并不是互相排斥的关系，而是互补关系。

3.2 安装 Codex CLI 并完成登录

Codex CLI 的安装方式在不同阶段有过变化。通常你可以在官方文档里选择两种路径：通过包管理器安装，或者下载预编译的二进制文件。这里给一个 npm 安装示例，但实际命令请以官方 README 为准：

npm install -g @openai/codex

装完先执行：

codex --version

然后登录：

codex login

登录流程通常是浏览器授权，也可以在环境变量里配置 API Key。如果使用环境变量，需要把变量写在 shell 的配置文件里，并重开终端才能生效。

3.3 编辑器插件报 unable to locate the codex cli binary，怎么处理

这是一个非常常见的问题。你在 VSCode、Cursor 这类编辑器里安装 Codex 插件后，插件启动时会在系统 PATH 里找 codex 可执行文件。如果找不到，就会报类似下面的错误：

unable to locate the codex cli binary. set codex_cli_path or ensure the executable exists in PATH

这个报错有两个解决方向：

1. 如果 codex 命令本身在终端里能用，说明只是插件不知道路径。你需要把 codex 的完整路径填到插件的 codex_cli_path 配置项里。
2. 如果终端里也找不到 codex，说明安装不完整，或者安装目录没有加入 PATH。

排查顺序是这样的：

# macOS / Linux which codex # Windows where codex

如果返回了一个完整路径，比如 /usr/local/bin/codex，就把这个路径填进插件配置。如果没有任何输出，先回到安装步骤，确认安装成功后再重开编辑器。改完配置后，不要直接开始大项目，先在插件里让它跑一条最简单的命令验证连通性。

3.4 配置兼容接口和模型时，最容易踩的坑

很多模型服务提供了兼容接口，你可以在 Codex 或 Claude Code 的配置里指定接口地址和模型名。这在本地开发里属于常见用法，比如接入自己申请到的第三方模型服务。

配置方式通常是设置 base_url、api_key、model 这几个字段。下面是一个示意，不是某个版本的准确配置：

{ "model": "deepseek-chat", "base_url": "https://api.example.com/v1", "api_key": "your-api-key" }

注意：不同工具、不同版本对字段名的要求不一样。落地时必须先查官方文档，然后拿着最小请求去验证。

最容易出现的问题有两类：

一类是模型名写错。比如报错“模型名不是当前版本能识别的模型”，通常说明你配置的模型名和该工具支持的模型列表不匹配。处理方式是查一下当前版本支持的模型清单，或者升级工具版本后再试。

另一类是接口地址错误。有些报错会显示 endpoint /responses 处理失败。这种情况往往不是模型能力问题，而是请求被发到了一个不对的接口地址。你需要检查本地接口服务是否启动、端口号是否正确、路径是否写对。按“服务是否启动 → 端口是否监听 → 地址是否匹配 → 配置是否生效”的顺序排查。

4. 从“能聊”到“能干活”：用 Superpowers、OpenSpec 给 AI 立规矩

4.1 为什么 AI 写代码会越改越乱，问题往往出在“没有约束”

用 Claude Code 或 Codex 写过一个稍大项目的人，大概率遇到过这种情况：一开始 AI 还很听话，聊到后面就开始忘需求，改了一个功能又弄坏了另一个功能。这不是 AI 突然变笨，而是它缺少一个长期稳定的“项目说明书”。

纯对话方式下，AI 只能记住有限上下文。你提了第 20 个需求后，前面第 3 个需求可能就被冲淡了。解决办法不是反复提醒，而是把约束写成文件，让 AI 每次读项目时自动看到。这就是规则文件、技能包、规格文档存在的意义。

4.2 Superpowers 是什么，怎么安装和验证

Superpowers 是一套技能包集合，目的是给 Claude Code 这类 AI 编程工具增加结构化能力。技能包里通常包含若干技能，每个技能有明确的触发条件和执行步骤。比如“从零创建项目”“代码审查”“调试一段报错”“重构某个模块”，都可以通过技能调用。

安装方式一般是把技能目录放到 AI 工具读取的目录里。常见的目录包括用户级目录下的.claude/skills，以及项目目录下的.claude/skills。具体是哪个位置，以你使用的工具版本文档为准。

安装之后，先验证它到底有没有被加载。一种简单方法是在 Claude Code 里直接问它“你当前加载了哪些技能”，或者在启动日志里看有没有技能目录的读取记录。如果没生效，优先检查目录路径对不对、文件夹命名是否符合规范、工具版本是否支持。

不要一次性装几十个技能。技能越多，AI 决策越慢，行为越不稳定。我建议先选两三个和你当前任务最相关的技能，跑通一个项目后再考虑扩展。

4.3 用 OpenSpec 把需求变成可验收的规格

OpenSpec 的核心思路是“先写规格，再写代码”。它和 Superpowers 可以搭配使用，也可以单独用。零基础阶段不需要把整套规范工具都装齐，你只需要理解这个思想：把需求写进文件，让 AI 按规格实现，而不是靠聊天记录。

最简单的做法是在项目里创建一个 specs 目录，然后放一个功能说明文件。例如：

# 用户登录功能 ## 功能描述 用户输入邮箱和密码，点击登录后进入系统。 ## 验收标准 - 邮箱或密码错误时，提示“邮箱或密码错误” - 登录成功后，跳转到首页并显示用户名 - 空输入时，按钮不可点击 ## 技术约束 - 使用现有后端接口 - 错误提示统一放在页面顶部

AI 读取这个文件后，实现目标会明确很多。后续需求变更，你只需要修改规格文件，再让 AI 按新规格调整代码。这样项目越大，越不容易失控。

4.4 一个 AGENTS.md 示例，零基础也能写

Claude Code 和 Codex 这类工具会自动读取项目根目录里的项目规则文件，通常命名为 AGENTS.md 或类似名称。你可以在里面写项目约定，AI 每次读项目时都会看到。这比每次对话都重复说一遍“别用全局变量”“记得写测试”要高效得多。

下面是一个简单的 AGENTS.md 示例：

# 项目约定 - 语言：Python 3.11 - 代码风格：使用类型注解 - 测试：所有公开函数必须有对应测试 - 日志：使用 logging 输出，不直接 print - 数据：不要硬编码路径，通过环境变量读取 - 禁止：不允许修改全局状态

注意，规则不是越多越好。写 3 到 10 条关键约束就够。写一大堆规则，AI 会为了满足规则而变得极其保守，简单的功能也写得很复杂。规则文件要根据项目阶段动态调整，小项目写三条约束，复杂项目再逐步补充。

5. 完整跑一遍 Vibe Coding 项目流程：从空目录到可提交的代码

5.1 选对练手项目：命令行待办事项工具

零基础最怕选错项目。网页项目涉及前端、后端、数据库、部署，链路太长，出了问题很难定位。我更推荐命令行待办事项工具，也就是 todo 程序。它的需求非常清晰，文件数量少，输入输出都能在终端里验证，非常适合第一轮练习。

这个项目虽然简单，但已经覆盖了 Vibe Coding 的核心环节：接收用户输入、处理数据、保存文件、展示结果、处理异常。一套流程走完，后面的复杂项目只是在这上面加东西。

5.2 用 Claude Code 从零生成项目骨架

创建一个空目录：

mkdir todo-project cd todo-project

启动 Claude Code，输入：

在这个空目录里创建一个 Python 命令行待办事项程序 todo.py。 功能包括： - python todo.py add "买牛奶" - python todo.py list - python todo.py done 1 要求： - 数据保存到本地 todo.json - 文件不存在时自动创建 - list 时按序号显示 - 用户输入空任务时提示错误，不崩溃 - 添加、完成、列出都要有清晰输出

AI 生成代码后，先让它把文件写到当前目录。如果 AI 还想创建 README 或测试文件，可以一并接受。然后退出 Claude Code，用终端运行程序。

5.3 把自然语言需求写清楚：给 AI 一个“任务卡片”

同样一件事，描述方式不同，AI 生成结果会差很多。很多人口头说“帮我做个待办清单”，AI 可能生成一个带界面的网页，也可能生成一个简单的 Python 脚本。为了避免反复返工，我建议把需求写成任务卡片，固定包含五部分。

示例：

用 Python 写一个文件整理工具。 任务目标： 把指定目录下的 .txt 文件移动到 archives 子目录。 输入： python organize.py /path/to/dir 输出： - 移动成功后打印“已移动：原文件名 -> 目标路径” - 没有 txt 文件时打印“没有需要整理的文件” 处理规则： - archives 目录不存在时自动创建 - 文件名重复时在名字后加时间戳 - 不能删除源文件 技术约束： - 使用 pathlib 处理路径 - 禁止使用外部库

写清楚这五部分，AI 基本不需要再来回追问，一次生成的可用率会高很多。

5.4 运行、测试、修复、提交：验证项目可用的标准

项目跑通后，很多人会直接说“AI 真厉害”然后结束。但 Vibe Coding 真正的价值是能持续维护项目，所以还需要走完验证流程。

按任务卡片逐条测试：

python todo.py add "买牛奶" python todo.py list python todo.py done 1

再试异常输入：

python todo.py add " " python todo.py done 999 python todo.py list --unknown

程序应该给出友好错误提示，而不是抛出一堆堆栈后崩溃。

确认基本功能后，让 AI 补充一个测试文件，然后初始化 Git 并提交第一个版本：

git init git add . git commit -m "feat: 实现待办事项基础功能"

这里有一个经验：如果 AI 连续三次修改后仍然不稳定，不要继续在同一个对话里加需求。清空上下文，或者新建一个项目目录，把需求整理成文档，重新开始。长对话里的历史错误容易污染后续生成结果，重开对话往往比硬修更节省时间。

6. 零基础最该记下来的排错清单，先看日志再看参数

6.1 一张表处理常见报错

你遇到的大部分报错不是模型不够聪明，而是环境、配置、路径、输入格式有问题。排查时要注意顺序：先读完整错误信息，再看日志，最后才改参数。

这里要特别提醒：报错信息不要只看最后一行。完整报错里往往有更早的线索，比如路径不存在、权限被拒绝、版本过低。把这些上下文一并贴给 AI，它能更准确判断问题。

6.2 修改模型配置前的四个固定动作

配置是最容易出现“改完更糟”的环节。我每次修改模型、接口地址或环境变量，都会按固定顺序操作。

第一，备份当前配置文件。配置文件不大，但改坏了很麻烦。第二，记录当前工具版本。版本不同，支持的配置项不一样。第三，一次只改一个变量。同时改模型和接口地址，报错后你根本不知道是哪一步引起的。第四，改完用最小任务验证，比如让工具输出一句话或读一个文件，确认配置生效后再进入真实任务。

如果你看到 AI 突然使用了错误的模型，或者请求发到了错误地址，先回想是不是最近动过配置。大部分“昨天还能跑，今天突然不行”的问题，都是环境变量、目录路径或版本更新造成的。

6.3 批量处理任务时一定要有的安全边界

零基础用 Vibe Coding 做自动化时，最喜欢让 AI 写批量处理脚本，比如批量重命名、批量改格式、批量整理文件。这些任务一旦出错，破坏面很大。我的建议是给批量任务加三层保护。

第一层，先用样例文件测试。复制两个真实文件到测试目录，跑通后再扩大范围。第二层，要求脚本提供预览模式或人工确认。批量删除前一定要让用户看到要操作的文件列表。第三层，在执行前用 Git 提交当前状态，或者把原始文件做备份。这样即使脚本逻辑有误，也不会造成不可逆的损失。

判断一个批量脚本是否安全，不能只看“最终结果对不对”，还要看中途有没有输出日志、失败文件会不会继续处理、已经处理成功的文件会不会被重复处理。

6.4 Vibe Coding 时代，零基础还要学什么

如果你完全零基础，不需要从第一行语法开始背，但有些底层能力逃不掉。你至少要能读懂报错信息里的关键词，会拆解一个模糊需求，能使用基本的命令行操作，知道 Git 怎么提交和回滚，还会在项目混乱时重新整理需求文档。

具体的学习路径可以这样走：先用 Claude Code 或 Codex 做三到五个小工具，比如文件整理、待办清单、Markdown 批量替换。过程中把命令行和 Git 基础操作补上。然后再学一点 Python 或 JavaScript 的基础语法，不是为写代码，而是为了能看懂 AI 输出，能在关键时刻打断它纠正方向。

这条路比传统“先啃两个月语法书再开始做项目”要快很多，也更符合普通人的学习节奏。但它不是捷径，而是把学习重点从“记语法”转移到了“拆需求、跑流程、查问题”。这三件事恰恰是实际开发中最常做的事。

把这套流程完整走一遍，再回头看那些 Vibe Coding、AI 编程、Superpowers 的讨论，你会发现自己已经有了判断能力。真正限制你继续进步的，不是不会命令，而是愿不愿意把一个项目从零开始，一路修正到能稳定运行。